文献

J-GLOBAL ID：202002255171315479   整理番号：20A2526318

競争による協調:多人学生学習のための自己協調知識融合【JST・京大機械翻訳】

Collaboration by Competition: Self-coordinated Knowledge Amalgamation for Multi-talent Student Learning

著者 (6件)： Luo Sihui (Zhejiang University, Hangzhou, China) ,  Pan Wenwen (Zhejiang University, Hangzhou, China) ,  Wang Xinchao (Stevens Institute of Technology, Hoboken, NJ, USA) ,  Wang Dazhou (Alibaba Group, Hangzhou, China) ,  Tang Haihong (Alibaba Group, Hangzhou, China) ,  Song Mingli (Zhejiang University, Hangzhou, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12351  ページ： 631-646  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： プラグアンドプレイ使用のためのオンライン開発者によって,多数のよく訓練された深層ネットワークが放出されている。これらのネットワークは,異なるタスクにおいて特殊化し,多くの場合,それらを訓練するために使用するデータおよび注釈は,公的に利用できない。本論文では,そのような不均一事前訓練モデルを教師として再利用する方法を研究し,人間アノテーションをアクセスせずに,多目的でコンパクトな学生モデルを構築する。この目的のために,著者らは,マルチタレント学生モデルを学習するための自己座標知識アマルガム化ネットワーク(SOKA-Net)を提案した。これは,二重ステップ適応競合協力訓練アプローチにより達成され,そこでは,異種教師の知識が,学生ネットワークの共有パラメータ学習をガイドし,次に,マルチヘッド予測ネットワークを学習するための勾配ベース競争バランス戦略,および第二段階における明確なタスクの損失重みづけを,次に,その次に,勾配ベース競争バランス戦略によって,達成される。協力と競争ステップとしてそれぞれ項をつけた2つのステップを,競争の釣合が究極の協力のために達成されるまで,交互に実行した。実験結果は,学習された学生が,より小さなサイズだけでなく,教師のそれらより優れたか,または,優秀で性能を達成することを証明した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  ネットワーク ,  釣合 ,  重みづけ ,  再利用 ,  深層 ,  アノテーション
準シソーラス用語： アマルガム ,  プラグアンドプレイ ,  オンライン ,  パラメータ学習 , 【Automatic Indexing@JST】

著者キーワード (2件)： 知識アマルガム化 ,  競争協力

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 競争 ,  協調 ,  人 ,  学生 ,  学習 ,  自己 ,  知識 ,  融合